复杂非平稳的纺织品加工过程质量预测与控制方法研究

纺织品加工是一个典型的小批量、长流程、多扰动的复杂非平稳生产过程，通常包含几十 种或上百种加工过程变量，且相当一部分很难用数值准确表征。纺织品加工质量预测是纺织加工质量控制技术的基础课题。.本项目拟基于生物免疫系统的关键概念和机理，探索复杂非平稳生产过程的非结构化、非完整性 、非确定性数据的清洗、特征增强和多元数据融合新方法，建立多工序耦合质量预测和反演理论模型 ，在借鉴现有质量管理理论及其它数据挖掘技术基础上，研究基于AIS等机理的数据挖掘方法，高精度多工序耦合质量预测方法和多智能体强化学习和进化机理，尝试构造具有自学习和自适应特点的质量预测学习进化方法，使系统能通过数据挖掘，不断发现新知识，解决小样本条件下制造过程普遍存在的预测精度低、速度慢、知识无法积累、无法识别深层次质量缺陷预兆问题，适应不可预测的环境变化，并在进一步提高预测及反演精度同时，提高系统的鲁棒性。

本项目以复杂非平稳纺织品生产过程质量预测与控制需求为研究目标，基于生物信息系统等关键概念与机理，采用智能学习方法建立支持多工序纺织品加工的质量预测与控制模型。在工艺知识发现与获取方面，给出基于粗糙集理论的纺纱工艺决策规则获取方法，可用于工艺知识挖掘与质量预测模型设计；通过集成基于粗糙集的知识发现算法与基于知识的神经网络，构建纱线质量预测模型；采用智能算法建立基于混合智能学习的纺纱质量预测模型，以反映过程参数与产品质量之间的存在的复杂非线性关系；针对若干具有代表性的纺纱质量特性参数，基于BP神经网络，遗传算法，支持向量机，极限学习机等智能方法，提出复杂数据特征提取方法，分别设计质量预测模型，验证了不同模型不同参数的预测正确性、泛化性能以及各自优势，可根据不同工艺情况进行质量预测；针对多品种、小批量、变批量的复杂非平稳纺织加工过程均值异常，建立纺织加工复杂过程异常检测与诊断模型，可对复杂纺织加工过程进行有效质量控制；建立了纺织工艺过程参数高精度反演模型，可对纺织生产过程质量控制提供有效的理论指导；提出纺织工艺智能化并行设计系统架构，研究了知识获取与进化、全息质量诊断等关键技术，为纺织企业创新驱动、转型发展提供新的技术支撑。